鉴于一个基于支持向量机的草图识别系统

《鉴于一个基于支持向量机的草图识别系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、睢lUⅧ‘辐1■ll⑩天洋大薯硕士学位论文_^●网●嘎R料

2、躅-强■■时a■_学科专业：计算机应用技术作者姓名：李建新指导教师：廖士中教授天津大学研究生院中文摘要草图识别是草图理解的关键工作之一，是草图语义理解的基础。当前，国内外许多机构都对草图识别展开了相关研究，出现了许多具有代表性的识别方法，如基于笔划和图元表示的方法、基于统计几何特征的方法等，但是识别的精度和允许用户输入的自由度仍有待提高。支持向量机是一种基于统计学习理论的新型机器学习方法，能有效地解决有限样本情况下的机器学习问题。现有的应用支持向量机进行草图识别的研究还很少，没有充分利用支持向量机强大的学习、分类和泛化能力，

3、对支持向量机在草图识别中的应用研究具有～定的价值。本文介绍了支持向量机的理论基础，总结了支持向量机在模式识别问题中的算法和应用研究，概述了手绘草图的特点和草图识别方法，应用支持向量机方法实现了一个草图识别系统，初步研究表明了方法的可行性。本文主要工作包括：1．概述了草图理解的研究现状，系统讨论了支持向量机方法的理论基础。2．概述了现有草图识别方法的优缺点，总结了草图的特征选择方法，应用支持向量机方法实现了一个草图识别系统，系统的功能包括样本数据收集、特征提取、训练和识别等。3．应用流程图草图对系统进行实验，并对结果进行分析讨论。关键词：草图理解人机交互草图识别支持向量机特征提取ABS

4、TRACTSketchrecognitionisoneofthehingesofsketchunderstanding，anditisthefoundationofsketchsemanticextraction．Now,manyinstitutionsareworkingatsketchrccogni在on．Andtherehavebeenmanysketchrecognitionapproaches；however,therecognitionaccuracyandtheinputtingfreedomstillneedtobeimproved。SupportVectorMach

5、ine(SVM)iscurranflyapopularmachinelearningalgorithmbasedontheStatisticalLearningTheory(SLT)．SVMcanefficientlysolvesmall-samplemachinelearningproblems．Now,therearefewworksofsketchrecognitionbasedOnSVM,andtheexistingworkshavenottakefulladvantageofSVM’Spowerfulcapabilityoflearning，classificationan

6、dgeneralization．Thisthesisintroducestheactualityofsketchunderstanding，thealgorithmsandapplicationsofSVM．AsketchrecognitionsystembasedonSVMisimplement烈LThemainworkscanbesummarizedasfollows：First,wediscusstheprincipleofSVMmethod,andweanalyzingcurrentsketchrecognitionmethods．Second，wediscusstheexi

7、stingmethodsofsketchrecognitionandfeatureextraction,andwepresenttheapplicationofSVMinsketchrecognition,andaprototypesystemiseondueted．Finally'theapplicationoftheprogramflowchartdemonstratesthatSVMapproachisfeasible．Keywords：SketchUnderstanding，Human-ComputerInteraction,SketchRecognition,Support

8、VectorMachine，FeatureExtraction独创性声明本人声明所里交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得鑫洼盘鲎或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位澈储躲荟连新签字吼柳，年≯月，珀学位论文版权使用授权书本学位论文作者完全了解墨壅盘堂有